Mailchimp的40%编码速度提升：平衡AI创新与治理

Intuit Mailchimp一直在探索AI驱动的编码技术，就像过去一年许多组织一样。

Intuit Mailchimp提供强大的电子邮件营销和自动化解决方案。作为Intuit生态系统的一部分，它稳步推进其生成式AI能力，部署其专有的GenOS和代理AI到各个业务单位。

尽管拥有内部AI专长，Mailchimp仍识别出需要AI编码工具的特定场景。这一切始于满足紧急期限的需要。

Mailchimp面临在短时间内向利益相关者展示复杂客户工作流程的挑战。传统工具如Figma无法提供功能性原型。一些已尝试AI编码工具的工程师抓住了将其应用于现实业务问题的机会。

“我们面临一个独特挑战，需要为利益相关者快速制作复杂工作流程的原型，”Intuit Mailchimp首席架构师Shivang Shah在接受VentureBeat采访时分享道。

工程师们利用AI编码工具，成果令人震惊。

“原本需要几天的工作仅用几小时就完成了，”Shah评论道。

这一突破引发了Mailchimp更广泛采用AI编码工具，导致开发速度提升高达40%，同时发现了其他组织可采纳的治理、工具选择和人类专长作用的重要经验教训。

从问答到任务自动化

Mailchimp的经验反映了开发者与AI互动的更大趋势。最初，工程师使用对话AI进行基本指导和算法推荐。

“甚至在AI编码工具流行之前，工程师们就使用对话AI来验证特定问题的算法，”Shah观察到。

随着高级AI编码工具的出现，从回答问题转向执行编码任务。

这种从咨询到任务委托的转变凸显了AI编码工具为企业提供的核心价值。

多工具策略胜过单一供应商解决方案

Mailchimp选择了多工具策略，使用Cursor、Windsurf、Augment、Qodo和GitHub Copilot等平台，基于对其专业优势的洞察。

“不同工具根据开发阶段提供独特优势，就像与专业工程师合作一样，”Shah解释道。

这反映了企业如何为不同开发阶段使用不同工具，避免依赖在某些方面出色但其他方面不足的单一解决方案。

这种方法源于实际实验，Mailchimp发现某些工具在其工作流程的特定任务中表现更好。

治理框架确保秩序

Mailchimp关于AI编码的关键经验教训集中在治理上。公司建立了基于政策和流程整合的保障措施，可供其他组织适应。

政策包括对涉及客户数据部署的负责AI审查。流程控制将人类监督置于核心，AI处理初始代码审查，但生产部署前需人类批准。

“人类监督不可妥协，”Shah强调。“必须始终有人优化和验证解决方案，确保解决正确的问题。”

这种双管齐下的方法解决了企业的常见担忧：平衡AI生产力提升与代码质量和安全性。

上下文局限性需精准提示

Mailchimp发现AI编码工具在通用编程中表现出色，但缺乏深入的业务领域知识。

“AI理解行业标准模式，但可能无法与我们特定的用户旅程对齐，”Shah指出。

这一认识凸显了工程师提供基于技术和业务专长的精准、上下文丰富的提示的必要性。

“你仍需了解技术、业务和系统架构。AI放大你的能力，”Shah说。

对企业而言，这意味着培训团队使用AI工具并有效向这些系统传达业务上下文。

弥合原型到生产的差距

AI编码工具在快速原型设计中表现出色，但Mailchimp发现，由于集成复杂性、安全需求和系统架构要求，原型变为生产就绪需要大量人类努力。

“原型并不意味着已准备好生产，”Shah警告说。“时间表必须考虑这些现实。”

这一见解帮助企业为AI编码工具设定现实期望，这些工具在早期开发中表现出色，但不是完整开发周期的完整解决方案。

聚焦高价值任务

除了速度，AI工具使Mailchimp工程师能够优先处理高影响力的工作，如系统设计、架构和客户工作流程集成，而不是重复性编码任务。

“我们现在可以专注于系统设计和客户工作流程集成，而不是琐碎任务，”Shah说。

企业应通过开发者现在可优先处理的战略价值工作，而不仅仅是生产力来衡量AI编码的成功。

企业的关键经验教训

Mailchimp的历程为希望在AI增强开发中领先的企业提供了清晰经验教训：将AI编码工具视为增强而非取代人类专长的强大助手。

实现这一平衡的组织将获得持久的竞争优势，融合技术能力与人类监督、速度与治理、生产力与质量。

对于较晚采用AI编码工具的企业，Mailchimp从紧急实验到结构化实施的路径提供了可靠路线图。核心原则依然：AI增强开发者，但人类专长和监督对生产成功至关重要。